电商系统产品推荐策略

[2301_79273658]

电商的推荐系统解决什么问题

在电商场景里面，电商推荐系统本质是做人货场的匹配，提升匹配的准确率

从用户的视角来说，当用户无输入和表达的时候，探索并利用用户在各方面的兴趣，从海量的商品中挑选用户比较感兴趣的商品推荐给用户展示，缩短用户浏览的时间；

从商家视角来说，挖掘用户的潜在兴趣，提升用户体验，提升用户转化的效率，达到在短暂的停留时间内，促进用户点击、加购、下单，以及下次再来

电商推荐的评价指标

技术指标：

准确性

用户留存

可拓展性

满意度

覆盖度

多样性

实时性

鲁棒性

业务指标：净利润、毛利润、转化率CVR、点击率CTR

推荐的一般流程

1. 召回阶段

召回是用做推荐展示的基础，基于业务和效果可以结合使用不用的推荐策略，实现从万到百

召回可以结合算法和规则

规则：可以基于运营和业务场景的需求，例如热销、用户高点击率、标签、评价的召回

算法：通过查询结果A用户也会点击B的方式，去做关联，提升整体的推荐协同效果

召回阶段结合的规则如：类目偏好、图案偏好、价格带偏好、颜色偏好等等。

1. 过滤阶段

对召回的数据进行查询过滤，可以基于业务需求，例如用户的行为、地理位置、当前行为进行过滤，或者运营的一些需求进行人工规则的过滤。

关注的规则：下架过滤、售罄过滤、品牌关键词过滤

1. 排序阶段

从候选出来的商品数据进行粗排和精排，一般粗排和商家环境、用户特征、商品特征，以及对应的权重做加权平均，得到排序的打分。

粗排的阶段存在比较严重的问题是排序的性能和效果的均衡。

精排是从场景特点出发，在粗排的基础上利用模型进行排序。

关注的纬度：用户特征、商品特征、环境特征

1. 重排序

重排是最后一步，是精排后更加精准的打分，根据精排分数和多样性分数做随机抽样，然后把相似内容打散，并且插入广告和运营内容，展示给用户。

已加购情况、转户率、价格、利润